PYNZ搭建高性能CNN部署的快速 FPGA 原型验证框架

本项目旨在为 PYNQ 平台构建一套面向高性能 CNN 部署的快速 FPGA 原型验证框架。

我将设计的这套框架，不仅能最大限度降低工程师在 FPGA 平台上进行 CNN 原型开发的工作量，还能优化 ARM 内核与 FPGA 硬件的协同利用效率，实现业界领先的 CNN 部署速度、准确率和功耗表现。
我的目标平台是赛灵思（Xilinx™）PYNQ 开发板。该开发板搭载高性能 Zynq FPGA 芯片，以及运行 Linux 操作系统的双核 ARM-Cortex A9 处理器，是构建本框架的理想选择 —— 框架既需要 FPGA 提供高性能计算（HPC）能力以处理核心任务，也需要 Linux 操作系统支持高级语言设计接口。
作为项目的最终交付物，该框架将包含以下核心组件：
FPGA IP 核库：以块设计（block designs）格式封装，工程师可将其作为 CNN 模型开发的基础构建模块；
Vivado 工程：能将工程师设计的 CNN 模型综合生成为 FPGA 比特流文件；
PYNQ ARM Linux 端 Python 函数：用于在 FPGA 上部署 CNN 模型。
在嵌入式 CNN 部署场景中，系统需要长时间执行大量运算，这类任务属于高吞吐量计算（HTC）任务。因此，速度性能的衡量指标将采用吞吐量，单位为每秒运算次数（OP/s）。

整体架构：